Refresh

This website www.unite.ai/th/with-generative-ai-advances-the-time-to-tackle-responsible-ai-is-now/ is currently offline. Cloudflare's Always Online™ shows a snapshot of this web page from the Internet Archive's Wayback Machine. To check for the live version, click Refresh.

ต้นขั้ว ด้วยความก้าวหน้าของ Generative AI ถึงเวลาจัดการกับ AI ที่มีความรับผิดชอบแล้ว - Unite.AI
เชื่อมต่อกับเรา

ผู้นำทางความคิด

ด้วยความก้าวหน้าของ Generative AI ถึงเวลาจัดการกับ AI ที่มีความรับผิดชอบแล้ว

mm

การตีพิมพ์

 on

ในปี 2022 บริษัทต่างๆ มีค่าเฉลี่ย 3.8 โมเดลเอไอ ในการผลิต วันนี้, เจ็ดใน 10 บริษัท กำลังทดลองใช้ generative AI ซึ่งหมายความว่าจำนวนโมเดล AI ที่ใช้งานจริงจะเพิ่มขึ้นอย่างรวดเร็วในอีกไม่กี่ปีข้างหน้า ด้วยเหตุนี้ การอภิปรายในอุตสาหกรรมเกี่ยวกับ AI ที่มีความรับผิดชอบจึงกลายเป็นเรื่องเร่งด่วนมากขึ้น

ข่าวดีก็คือองค์กรมากกว่าครึ่งสนับสนุนหลักจริยธรรมด้าน AI อยู่แล้ว อย่างไรก็ตาม, ประมาณ 20% เท่านั้น ได้ดำเนินโปรแกรมที่ครอบคลุมพร้อมกรอบงาน การกำกับดูแล และรั้ว เพื่อดูแลการพัฒนาโมเดล AI และระบุและลดความเสี่ยงในเชิงรุก เมื่อพิจารณาถึงการพัฒนาที่รวดเร็วของ AI ผู้นำควรก้าวไปข้างหน้าตั้งแต่ตอนนี้เพื่อใช้กรอบงานและกระบวนการที่เติบโตเต็มที่ กฎระเบียบทั่วโลกกำลังจะมาถึงแล้ว หนึ่งในสององค์กร มีความล้มเหลวของ AI ที่รับผิดชอบ

ความท้าทายในการใช้ AI อย่างมีความรับผิดชอบ

AI ที่มีความรับผิดชอบครอบคลุมฟังก์ชันทางธุรกิจที่แตกต่างกันถึง 20 ฟังก์ชัน เพิ่มกระบวนการและความซับซ้อนในการตัดสินใจ ทีม AI ที่มีความรับผิดชอบจะต้องทำงานร่วมกับผู้มีส่วนได้ส่วนเสียหลัก รวมถึงความเป็นผู้นำ เจ้าของธุรกิจ; ทีมงานข้อมูล AI และไอที และพันธมิตรเพื่อ:

  • สร้างโซลูชัน AI ที่ยุติธรรมและปราศจากอคติ: ทีมและพันธมิตรสามารถใช้เทคนิคที่แตกต่างกัน เช่น การวิเคราะห์ข้อมูลเชิงสำรวจ เพื่อระบุและลดอคติที่อาจเกิดขึ้นก่อนที่จะพัฒนาโซลูชัน ด้วยวิธีนี้ โมเดลจะถูกสร้างขึ้นโดยคำนึงถึงความเป็นธรรมตั้งแต่เริ่มต้น ทีมและพันธมิตรยังสามารถตรวจสอบข้อมูลที่ใช้ในการประมวลผลล่วงหน้าได้ การออกแบบอัลกอริทึม และการประมวลผลภายหลังเพื่อให้แน่ใจว่าเป็นตัวแทนและมีความสมดุล นอกจากนี้ พวกเขาสามารถใช้เทคนิคความเป็นธรรมแบบกลุ่มและรายบุคคลเพื่อให้แน่ใจว่าอัลกอริทึมปฏิบัติต่อกลุ่มและบุคคลที่แตกต่างกันอย่างยุติธรรม และความเป็นธรรมที่ขัดแย้งกับข้อเท็จจริงจะเข้าใกล้ผลลัพธ์ของแบบจำลองหากปัจจัยบางอย่างมีการเปลี่ยนแปลง ซึ่งจะช่วยระบุและแก้ไขอคติ
  • ส่งเสริมความโปร่งใสและความสามารถในการอธิบายของ AI: ความโปร่งใสของ AI หมายความว่าง่ายต่อการเข้าใจวิธีการทำงานของโมเดล AI และการตัดสินใจ ความสามารถในการอธิบายหมายถึงการตัดสินใจเหล่านี้สามารถสื่อสารกับผู้อื่นได้อย่างง่ายดายในแง่ที่ไม่ใช่ทางเทคนิค การใช้คำศัพท์ทั่วไป การอภิปรายเป็นประจำกับผู้มีส่วนได้ส่วนเสีย และการสร้างวัฒนธรรมการรับรู้ AI และการเรียนรู้อย่างต่อเนื่องสามารถช่วยให้บรรลุเป้าหมายเหล่านี้ได้
  • รับรองความเป็นส่วนตัวและความปลอดภัยของข้อมูล: โมเดล AI ใช้ข้อมูลมากมาย บริษัทต่างๆ กำลังใช้ประโยชน์จากข้อมูลจากบุคคลที่หนึ่งและบุคคลที่สามเพื่อป้อนโมเดล พวกเขายังใช้เทคนิคการเรียนรู้ที่รักษาความเป็นส่วนตัว เช่น การสร้างสรรค์ ข้อมูลสังเคราะห์ เพื่อเอาชนะปัญหาความขาดแคลน ผู้นำและทีมจะต้องการตรวจสอบและพัฒนาความเป็นส่วนตัวของข้อมูลและการรักษาความปลอดภัยเพื่อให้แน่ใจว่าข้อมูลที่เป็นความลับและละเอียดอ่อนยังคงได้รับการปกป้องเมื่อมีการนำไปใช้ในรูปแบบใหม่ ตัวอย่างเช่น ข้อมูลสังเคราะห์ควรเลียนแบบคุณลักษณะหลักของลูกค้า แต่ไม่สามารถติดตามกลับไปยังตัวบุคคลได้
  • ดำเนินการกำกับดูแล: การกำกับดูแลจะแตกต่างกันไปขึ้นอยู่กับวุฒิภาวะของ AI ขององค์กร อย่างไรก็ตาม บริษัทควรกำหนดหลักการและนโยบายด้าน AI ตั้งแต่เริ่มต้น เมื่อมีการใช้โมเดล AI เพิ่มขึ้น พวกเขาสามารถแต่งตั้งเจ้าหน้าที่ AI ได้ ใช้กรอบงาน สร้างกลไกความรับผิดชอบและการรายงาน และพัฒนาวงจรป้อนกลับและโปรแกรมการปรับปรุงอย่างต่อเนื่อง

ปัจจัยสนับสนุนที่สำคัญของโปรแกรม AI ที่มีความรับผิดชอบ

แล้วอะไรที่ทำให้บริษัทที่เป็นผู้นำ AI ที่มีความรับผิดชอบแตกต่างจากบริษัทอื่น? พวกเขา:

  • สร้างวิสัยทัศน์และเป้าหมายสำหรับ AI: ผู้นำสื่อสารวิสัยทัศน์และเป้าหมายของตนสำหรับ AI และประโยชน์ต่อบริษัท ลูกค้า และสังคมอย่างไร
  • กำหนดความคาดหวัง: ผู้นำอาวุโสกำหนดความคาดหวังที่เหมาะสมกับทีมเพื่อสร้างโซลูชัน AI ที่มีความรับผิดชอบตั้งแต่ต้นจนจบ แทนที่จะพยายามปรับแต่งโซลูชันหลังจากเสร็จสิ้นแล้ว
  • นำกรอบการทำงานและกระบวนการไปใช้: คู่ค้าจัดเตรียมกรอบงาน AI ที่มีความรับผิดชอบด้วยกระบวนการและรั้วที่โปร่งใส ตัวอย่างเช่น การตรวจสอบความเป็นส่วนตัวของข้อมูล ความเป็นธรรม และความลำเอียงควรรวมอยู่ในการเตรียมข้อมูลเบื้องต้น การพัฒนาแบบจำลอง และการตรวจสอบอย่างต่อเนื่อง
  • เข้าถึงโดเมน อุตสาหกรรม และทักษะ AI: ทีมต้องการเร่งนวัตกรรมโซลูชัน AI เพื่อเพิ่มความสามารถในการแข่งขันทางธุรกิจ พวกเขาสามารถหันไปหาพันธมิตรสำหรับโดเมนที่เกี่ยวข้องและทักษะในอุตสาหกรรม เช่น ข้อมูลและการตั้งค่ากลยุทธ์ AI และการดำเนินการ จับคู่กับการวิเคราะห์ลูกค้า เทคโนโลยีการตลาด ห่วงโซ่อุปทาน และความสามารถอื่น ๆ คู่ค้ายังสามารถมอบทักษะ AI แบบเต็มสเปกตรัม รวมถึงความสามารถด้านวิศวกรรมแบบจำลองภาษาขนาดใหญ่ (LLM) การพัฒนา การดำเนินงาน และความสามารถด้านวิศวกรรมแพลตฟอร์ม โดยใช้ประโยชน์จากเฟรมเวิร์กและกระบวนการ AI ที่รับผิดชอบในการออกแบบ พัฒนา ดำเนินการ และผลิตโซลูชัน
  • เข้าถึงตัวเร่งความเร็ว: พันธมิตรนำเสนอการเข้าถึงระบบนิเวศ AI ซึ่งช่วยลดเวลาในการพัฒนาสำหรับโครงการนำร่อง AI แบบดั้งเดิมและแบบสร้างสรรค์ที่มีความรับผิดชอบได้ถึง 50% องค์กรต่างๆ ได้รับโซลูชันแนวดิ่งที่เพิ่มความสามารถในการแข่งขันในตลาด
  • ตรวจสอบให้แน่ใจว่าทีมได้รับการยอมรับและความรับผิดชอบ: ทีมองค์กรและพันธมิตรได้รับการฝึกอบรมเกี่ยวกับนโยบายและกระบวนการใหม่ นอกจากนี้องค์กรตรวจสอบทีมงานเพื่อให้สอดคล้องกับนโยบายที่สำคัญ
  • ใช้ตัวชี้วัดที่เหมาะสมเพื่อหาปริมาณผลลัพธ์: ผู้นำและทีมใช้เกณฑ์มาตรฐานและตัวชี้วัดอื่นๆ เพื่อแสดงให้เห็นว่า AI ที่มีความรับผิดชอบมีส่วนช่วยในการสร้างมูลค่าทางธุรกิจเพื่อรักษาการมีส่วนร่วมของผู้มีส่วนได้ส่วนเสียให้อยู่ในระดับสูงได้อย่างไร
  • ตรวจสอบระบบ AI: พันธมิตรให้บริการตรวจสอบแบบจำลอง แก้ไขปัญหาเชิงรุก และรับรองว่าพวกเขาให้ผลลัพธ์ที่เชื่อถือได้

วางแผนสำหรับ AI ที่มีความรับผิดชอบตอนนี้

หากบริษัทของคุณกำลังเร่งสร้างนวัตกรรม AI คุณอาจต้องการโปรแกรม AI ที่มีความรับผิดชอบ ดำเนินการเชิงรุกเพื่อลดความเสี่ยง โปรแกรมและกระบวนการที่ครบกำหนด และแสดงให้เห็นถึงความรับผิดชอบต่อผู้มีส่วนได้ส่วนเสีย

คู่ค้าสามารถจัดเตรียมชุดทักษะ เฟรมเวิร์ก เครื่องมือ และความร่วมมือที่คุณต้องการเพื่อปลดล็อกมูลค่าทางธุรกิจด้วย AI ที่มีความรับผิดชอบ ปรับใช้โมเดลที่ยุติธรรมและปราศจากอคติ บังคับใช้การควบคุม และเพิ่มการปฏิบัติตามข้อกำหนดของบริษัทในขณะเตรียมพร้อมสำหรับกฎระเบียบที่กำลังจะมีขึ้น

ดร. ราวินทรา ปาติล เป็นผู้อำนวยการอาวุโสฝ่ายวิทยาศาสตร์ข้อมูลของ ความน่าเชื่อถือนำทีมที่มีประสบการณ์ในอุตสาหกรรมด้านข้อมูลและ AI เป็นเวลา 15 ปี ความเชี่ยวชาญของเขาอยู่ที่ความเป็นผู้นำทีมที่ประสบความสำเร็จและการพัฒนาโซลูชันข้อมูลและ AI ที่มีประสิทธิภาพ Ravindra เริ่มต้นอาชีพของเขาที่ Siemens ต่อมามีส่วนสำคัญที่ Philips Research และกลุ่มธุรกิจของบริษัท ก่อนที่จะมาร่วมงานกับ Tredence เขาได้เป็นผู้นำกลุ่มข้อมูลและ AI สำหรับคลัสเตอร์สุขภาพส่วนบุคคลมูลค่า 4 พันล้านดอลลาร์ของ Philips

ตลอดการเดินทาง Ravindra ได้สร้างอัลกอริธึม AI แพลตฟอร์มข้อมูล และอำนวยความสะดวกในการบูรณาการเข้ากับภาคธุรกิจต่างๆ เขาสำเร็จการศึกษาระดับปริญญาตรีสาขาวิศวกรรมศาสตร์ ปริญญาโทสาขาการจดจำรูปแบบจาก IIT Madras ประเทศอินเดีย และปริญญาเอก ในการเรียนรู้ของเครื่องจากมหาวิทยาลัยมาสทริชต์ ประเทศเนเธอร์แลนด์ ด้วยการยื่นจดสิทธิบัตรมากกว่า 30 ฉบับ เอกสารวิจัยที่ตีพิมพ์จำนวนมาก และการได้รับการยกย่องให้เป็นหนึ่งในผู้นำ AI 100 อันดับแรกของอินเดียโดยนิตยสาร AIM ความสำเร็จของเขาจึงน่าจดจำ